Mashinali o’qitish asoslari. Nazoratli va nazoratsiz o’rganish

Nazoratsiz O'rganish (Unsupervised Learning): Bu usulda ma'lumotlarda aniqlik va bog'liqlikni qidirish uchun ishlatiladi. Misol uchun, k-means algoritmi yordamida ma'lumotlarni guruhlab bo'lish.

Nazoratli o'rgangan modellarni nazorat qilish (Model Evaluation): O'rganilgan modellarni aniqlangan ma'lumotlar orqali baholash va natijalarni tahlil qilish. Bu bosqichda modellarning qanday xususiyatlarni boshqa ma'lumotlar orqali test qilib ko'rish kerakligini aniqlash uchun ko'p sonli nazorat qilish va natijalarni tahlil qilish algoritmalari ishlatiladi.

Natijalarni Tahlil Qilish va Tasdiqlash (Results Analysis and Validation): O'rganilgan modellarning natijalarini tahlil qilish, tuzilgan modellarning amaloti, to'g'ri ishlashi va boshqa xususiyatlarni baholash.

Bu bo'limlar har bir ML loyihasining asosiy qismlarini bildiradi. Har bir bosqichda kerakli ma'lumotlarni tahlil qilish, ma'lumotlar orqali modelni o'rganish va natijalarni baholash kabi jarayonlar amalga oshiriladi.
Chiziqli regressiya va logistik regressiya algoritmlari.
Chiziqli regressiya (Linear Regression) va logistik regressiya (Logistic Regression) ma'lumotlar analizi va mashinali o'qitishda keng qo'llaniladigan algoritmalar bo'lib, ulardan har birining xususiyatlari mavjud. Quyidagi, ularning asosiy tasnifini beraman:
Chiziqli Regressiya:
Maqsad: Chiziqli regressiya modeli, boshqa o'zgaruvchilarning qiymatlarini asosiy o'zgaruvchining qiymati bo'yicha aniqlashni maqsad qiladi.
Qanday ishlaydi: Model, o'zgaruvchilarning bitta o'zgaruvchiga bo'lgan ta'sirini (linearni o'zgaruvchini) aniqlashga harakat qiladi. Misol uchun, qandaydar to'plam ma'lumotlar (x) bo'yicha boshqa o'zgaruvchini (y) boshqarishni o'rganish.
Model y=b0​+b1​x1​+b2​x2​+...+bn​xn​
y - Bog'lanish (target) o'zgaruvchisi,
b0​ - Intersept, bitta o'zgaruvchi qiymati,
b1​,b2​,...,bn​ - Modellarni o'rganish kerak bo'lgan o'zgaruvchilar,
x1​,x2​,...,xn​ - Modellarni o'rganish kerak bo'lgan ma'lumotlar.Baholash: Modelni o'rgangan keyin, natijalar qanday to'g'ri ishlashi va boshqa nuqsonlari tahlil qilinadi. Odatda, modellarning aniqligi, ko'rsatkichlar (MSE, R-squared) yordamida baholanadi.